基于混沌理论和突变诊断的高边坡变形预测模型

高边坡系统的演化过程表现出复杂的非线性动力学特性,由于边坡经常受到外界因素的扰动,而使整个监测资料时间序列具有以突变点为分界的跳跃性,因此,有效辨识测值突变位置,是提高高边坡位移监控模型拟合和预测精度的关键问题。组合应用相空间重构、云模型和最大Lyapunov指数等数值分析手段,研究了高边坡位移突变辨识的实现方法,探讨了考虑动力学结构突变影响的位移预测模型构建原理与算法。由于该模型依据最近一次位移突变后的监测资料,着重考虑突变后相对稳定的高边坡动力系统特性,因而可以有效提高监控模型的拟合和预测精度。以某水电工程为例,论证了利用该方法进行高边坡监测的有效性与准确性。     

考虑混沌成分影响的高边坡位移监控预测模型

高边坡系统演化过程表现出复杂的非线性动力学特性。有效分离去除噪声,考虑混沌成分对测值序列整体数值特征的影响,是提高高边坡位移监控模型拟合和预测精度的关键问题之一。在对高边坡位移与影响因素相关分析的基础上,基于高边坡系统演化过程中的非线性动力学特性,组合应用相空间重构、小波分析等数值分析手段,研究了高边坡混沌特性提取的实现方法,探讨了考虑混沌成分影响的位移构建原理与算法。该模型重点依据实时监测资料,考虑的是包含混沌成分的动力系统特性,因而可以有效提高监控模型的拟合和预测精度。     

基于动力属性区间辨识的混凝土坝安全监控模型

对混凝土坝位移与影响因素相关分析的基础上,考虑混凝土坝系统演化过程中的非线性动力学特性．综合应用相空间理论、动力学结构突变理论等数值分析手段,有效辨识了测值突变位置。针对突变后形成的相对稳定的动力结构,探讨了混凝土坝长效服役安全监控模型的构建原理与算法。文末通过某混凝土拱坝实例验证．表明所提出的安全监控模型对混凝土坝位移的实时监测和预警都有重要意义。     

考虑混凝土坝位移动力突变盲点的安全监控模型

针对坝体位移时间序列中出现数据跳跃的现象,基于动力学互关因子指数法与云模型理论,提出了一种能准确辨识大坝位移时间序列中动力突变盲点位置的诊断方法,并构建了考虑动力突变盲点的混凝土坝位移安全监控模型。基于不确定性动力系统对大坝位移的演化分析,综合运用相空间重构、云模型及小波分析等数值处理方法,从所辨识数值序列中的动力突变盲点出发,研究了对大坝工作性态转异进行预测诊断的方法。工程实例表明,该方法能找准对应位移的动力突变盲点,可避免动力突变盲点对大坝位移序列的不利影响,提高了大坝位移安全监控模型的可靠性和科学性。     

改进的非等间距灰色模型在大坝位移预测中的应用

传统GM(1,1)预测模型在大坝位移拟合及预测中存在优化方式单一、适应性不佳等不足,一定程度上影响模型的预测效果。基于蛙跳算法,通过优化背景值和平滑系数、寻找最优定解条件以及残差优化等方法,提出了改进的非等间距GM(1,1)大坝位移预测模型。结合相关工程实例,对比分析了2种模型的拟合效果和预测精度,说明了相对于传统GM(1,1)大坝位移预测模型,改进的GM(1,1)大坝位移预测模型能有效提高位移预测精度,可以应用于实际大坝结构中的位移监控及预测。     

基于连续蚁群算法和小波支持向量机的位移反分析

提出一种基于连续蚁群算法和小波支持向量机的位移反分析模型。一方面利用具有良好时域、频域分辨能力和非线性学习功能的小波支持向量机建立反演参数和位移之间的非线性关系,避免了大量的数值计算,提高了预测精度;另一方面利用全局优化的连续蚁群算法代替传统的优化算法,避免优化过程中目标函数陷入局部最优,提高了反演的精度。应用该模型对三峡工程永久船闸高边坡4种介质弹性模量进行位移反分析,并利用反演所得参数进行监测点位移预测,计算值与监测值吻合较好,表明该方法适合解决具有非线性和不确定特性的岩土工程问题,在位移反分析中具有良好的实际应用价值。     

采用阶跃函数分析经历地震的大坝安全监测数据

大坝经历大地震后,坝体位移监测数据会发生明显突变。利用传统统计模型对监测数据进行建模,拟合程度较低、效果较差。为此,将阶跃函数引入传统统计模型中,重新构建回归分析模型。以碧口大坝竖向位移监测数据资料为例,分别采用传统统计模型和阶跃函数模型进行逐步回归分析,并利用阶跃函数监测模型分离地震分量,通过分析地震对大坝竖向位移的影响规律,以验证阶跃函数模型的优越性。分析结果表明,阶跃函数模型的拟合精度及预测效果均高于传统模型,可供类似工程参考。     

基于小波分解和支持向量机的大坝位移监控模型

常规大坝安全监控统计模型未能分别针对监测序列值内系统信号和随机信号特点进行模拟,故预报精度存在一定的提升空间。基于小波分解技术,利用监测序列值信号频率特征分离出系统信号与随机信号,并结合逐步回归与支持向量机(SVM)对不同信号的处理优势,在引入网格寻优与交叉验证确定SVM敏感参数的基础上,提出了一种基于多元统计结合小波分解和支持向量机的大坝位移监控模型,同时编制了其相应的计算程序。工程算例表明,该模型较常规模型能够同时考虑监测序列中的系统信号和随机信号,并且具有较强的模型寻优能力和更高的预报精度,从而验证了所建模型的有效性,该方法亦可推广应用于高边坡及大坝其他预警指标的监控。     

边坡变形灰色监测模型中时间项的应用

为揭示边坡变形规律、保障边坡安全,采用监测模型对变形监测资料加以分析是一项重要工作.边坡变形的时间效应非常明显,为提高灰色监测模型对边坡不同变形规律的适应性、提高模型拟合和预测能力,探讨在灰色监测模型中加入时间项,对GM(1,1,t)模型和考虑时间项的GM(1,h)模型进行了分析,并通过某水利工程高边坡实例比较,证明时间项在边坡变形灰色监测模型中的应用具有良好的拟合预测效果和更广泛的适用性.     

包络预测大坝监测值及监控指标研究

利用包络灰预测模型对大坝监测量的极值进行预测，改变传统对极值的预测方法，使得单一的数值预测变为区间预测。利用上包络小概率法确定水平位移的监控指标，减小了实测值变化的随机性，便于进行计算，并且不改变原始测值的分布规律。     

基于塑性应变能理论的边坡动力稳定性研究

由于地震作用的随机性和复杂性,使得边坡动力稳定状态的判定较静力问题复杂许多,目前还未形成统一且公认的动力失稳判别准则。将塑性应变能理论和突变理论应用到边坡动力稳定分析中,以边坡震后总塑性应变能突变为失稳判别标准来确定边坡动力安全系数。对算例边坡进行动力稳定分析表明：相比于塑性区贯通判据和关键点位移突变判据,塑性应变能判据受人为因素影响较小,计算结果更具客观性,且给出的安全系数准确性有保证,是分析边坡动力稳定问题的较优选择。     

滑坡体监测数据的改进变维分形-人工神经网络耦合预测模型

滑坡体变形预测对滑坡灾害治理具有重要的意义。根据边坡的演化特性,在研究得到滑坡是一个非线性动态系统,其监测数据具有分形特征的基础上,利用改进变维分形预测模型对滑坡体的监测数据时间序列趋势项进行预测,并引入人工神经网络对时间序列的偏离项进行纠偏优化,从而建立滑坡体监测数据的改进变维分形-人工神经网络（IVDF ANN）耦合模型,并以茅坪滑坡体的实测位移为例进行预测。预测结果证明,该模型充分利用分形理论的自相似性和人工神经网络的自学习能力,具有良好的抗噪性,对小数据量的监测数据能够达到较高的预测精度和较好的预测长度,为滑坡体安全监控预测提供了新的参考方法。     

基于元胞自动机模型的库岸边坡失稳模拟方法

库岸边坡的运行稳定对于水利工程尤其是高坝工程的服役安全至关重要,其失稳破坏极易引起工程自身效益和周边生命财产安全的巨大损失,有必要针对其运行稳定性加以分析研究.针对传统边坡失稳分析方法的岩土力学参数取值困难和动态变化特征考虑不足的弊端,结合边坡物理力学性质提出一种基于元胞自动机模型的库岸边坡失稳模拟方法,在位移实测数据...     

高桩码头裂缝开合度监测模型研究

安全监测是确保水利工程安全运行的重要措施,监测模型是安全监测分析的重要工具,在水库大坝中应用广泛,然而相关理论和研究在港口码头方面应用较少,鉴于港口码头工作环境及工作性态与水库大坝不同,亟需研究符合码头自身工作特点的安全监测模型。针对高桩码头裂缝效应量和原因量的变化规律,选取温度、风、堆荷和时效分量为高桩码头裂缝的主要影响因素,探讨了相应的因子表达形式;在此基础上,建立了高桩码头裂缝开合度监测的统计模型和最小二乘支持向量机模型,研究了模型评价方法,对监测序列进行拟合和预测,验证了模型的有效性和合理性。结果表明,所建立的高桩码头裂缝开合度模型具有较高的精度和一定的预测能力,可为分析高桩码头裂缝监测资料,以及监控高桩码头安全提供科学依据。     

含缓倾软弱夹层的矿山高边坡长期稳定性分析

选取常规力学试验参数与反演环剪流变试验得到的流变参数,采用基于Burgers流变模型的数值计算方法对四川省峨胜水泥采矿场含缓倾软弱夹层的变形体边坡进行长期稳定性分析。结果表明:可用Burgers模型来描述二叠系含泥软弱夹层的流变变形特性;Burgers流变模型的数值计算结果显示该边坡已出现破坏,且监测点的位移曲线与实际监测点曲线拟合度较高,表明软弱夹层的流变特性在边坡破坏机制中起主导作用。对比传统的极限平衡法与强度折减法,含此类缓倾软弱夹层边坡的长期稳定性分析宜采用基于Burgers流变模型的数值计算方法。     

基于优化经验模态分解和最小二乘支持向量机的边坡位移预测

我国库岸滑坡灾害频发,采用高精度优化算法对边坡位移时间序列进行预测对防灾减灾具有重要意义。边坡位移时间序列通常表现出高度非线性特征,传统模型难以对其进行准确预测。为此,本文提出一种基于优化经验模态分解和最小二乘支持向量机的边坡位移时间序列预测模型。该模型采用基于软筛分停止准则的经验模态分解（SSSC-EMD）,可自适应地将边坡位移时间序列分解为多个本征模态分量和1 个残余分量。将残余分量定义为趋势项;通过K-means 聚类方法对分量进行聚类,将其定义为周期项和随机项。采用最小二乘法对趋势项进行预测;建立最小二乘支持向量机回归（LSSVM）模型对周期项和随机项进行预测。将各预测值累加求和,即得到累计位移预测值。以山口岩大坝为例,采用SSSCEMD-LSSVM 模型对厂址边坡位移时间序列进行预测。结果表明：模型能够有效预测位移时间序列,精度优于传统BP 神经网络和LSSVM 模型。     

动态安全监控复拟合模型

为适应动态安全监控需要,在吸收传统安全监控模型经验基础上而开发的复拟合模型,具有拟合精度高、延伸预报精度好、适于动态监控等优点。此技术已应用于众多水利工程的安全监控和安全分析。     

Analysis of dynamic wave model for flood routing in natural rivers

Flooding is a common natural disaster that causes enormous economic, social, and human losses. Of various flood routing methods, the dynamic wave model is one of the best approaches for the prediction of the characteristics of floods during their propagations in natural rivers because all of the terms of the momentum equation are considered in the model. However, no significant research has been conducted on how the model sensitivity affects the accuracy of the downstream hydrograph. In this study, a comprehensive analysis of the input parameters of the dynamic wave model was performed through field applications in natural rivers and routing experiments in artificial channels using the graphical multi-parametric sensitivity analysis (GMPSA). The results indicate that the effects of input parameter errors on the output results are more significant in special situations, such as lower values of Manning’s roughness coefficient and/or a steeper bed slope on the characteristics of a design hydrograph, larger values of the skewness factor and/or time to peak on the channel characteristics, larger values of Manning’s roughness coefficient and/or the bed slope on the space step, and lower values of Manning’s roughness coefficient and/or a steeper bed slope on the time step and weighting factor.     

三峡船闸高边坡在地震作用下的稳定性分析

采用有限元动力分析和改进的Sarma极限稳定分析程序对三峡船闸高边坡的动力特性、动态应力和动位移以及边坡的动力放大系数进行了计算分析 ,并对船闸高边坡在地震作用下的稳定性进行了计算。结果表明 ,在自重和地震作用下 ,边坡整体是稳定的。